基于理想參照系-關鍵指標的赤水河流域生態系統質量變化趨勢分析

李冠穩,肖能文,李俊生

1 中國環境科學研究院 國家環境保護區域生態過程與功能評估重點實驗室,北京 100012 2 西北農林科技大學林學院,楊凌 712100

生態系統質量是生態系統生產服務能力、抗干擾能力以及對人類生存與發展承載能力的具體體現,其變化關乎人類居住環境和物質生活水平[1-2]。良好的生態系統質量也是推進我國生態文明建設進程的重要舉措,因此研究生態系統質量的時空分布特征及其變化趨勢有助于量化分析生態保護和生態恢復措施績效,也能夠為今后生態保護政策研究、城市發展戰略制定提供科學依據[3]。

生態系統質量評估通常以數學模型為基礎,通過構建評估指標體系,量化生態系統質量。遙感技術以其快速、實時、大范圍重復獲取地物信息等優勢被廣泛應用于區域生態系統質量評估[4-6]。國內外學者利用遙感技術進行生態系統質量評估開展了大量研究工作,廣泛應用于森林[7]、草地[8]、荒漠[9]、城市[10]、礦區[11]、自然保護區[12-14]、流域[15-18]、國家重點生態功能區[19]等不同空間尺度。然而,上述研究多是基于現狀-相對變化量的評估體系,即評估兩個時間點生態系統質量的相對變化,以此判斷生態系統質量的改善或惡化情況,缺少多年連續生態系統質量評估[6-8,11-19]。如Xu等[20]基于植被指數、生物量和凈初級生產力評估了京津冀2000、2010年生態系統質量變化,發現京津冀生態系統質量的變化與三北防護林帶和京津沙塵暴防治項目正相關。此外,上述研究缺乏統一評估指標體系,不同評估結果可比性較差；同時缺少與該區域最優狀態下生產力(理想值)的比較,進而難以量化生態系統的恢復潛力。Xu等[21]提出的基于主成分分析方法的遙感生態指數(remote sensing based ecological index,RSEI),集成了能夠響應生態系統質量的綠度、濕度、熱度等多種關鍵生態因子,不僅與生態環境狀況指數(ecological index,EI)有很好地可比性,在區域生態系統質量快速監測和評價方面也具有明顯優勢和使用價值[22],在不同空間尺度區域得到廣泛應用[23-27]。如Liao等[28]基于MODIS數據構建RSEI模型評估了我國2000—2017年生態環境質量變化,發現干燥是影響生態環境質量的最重要因素；楊江燕等[29]運用RSEI方法對雄安新區進行生態系統質量評估,認為RSEI能綜合反映各分量指標信息,雄安新區生態質量變化與其城鎮擴張緊密負相關；同樣朱泓等[30]基于RSEI監測和評價了1988—2018年滇中湖泊流域生態環境質量變化,得到城市擴張和城市化是導致山間谷地和湖泊周圍生態環境質量變差的重要原因。

赤水河流域擁有豐富的自然植被類型,亦是我國重要的生物資源基因庫,亦是長江上游和三峽庫區的重要生態屏障,在國家生態安全中發揮著重要作用。赤水河是目前長江上游唯一一條未建壩的支流,生態資源和生物多樣性豐富,流域近四成縣市位于國家重點生態功能區或生物多樣性保護優先區。但赤水河流域地處烏蒙山連片特困地區復地,人口較多,水土流失嚴重；加之流域工業化及城鎮化的快速推進,存在以消耗破壞生態環境為代價的經濟增長現象,始終面臨著經濟開發與生態環境保護的突出矛盾,因此開展水河流域生態系統質量遙感監測和評估,對赤水河流域生態安全和保護長江上游生態屏障具有重要意義。本研究綜合歸一化植被指數(Normalized Difference Vegetation Index,NDVI)、葉面積指數(Leaf Area Index,LAI)、表層水分含量指數(Surface Water Content Index,SWCI)和陸地表面溫度(Land Surface Temperature,LST)構建遙感生態指數(RSEI),并結合Sen+Mann-Kendall趨勢分析法分析赤水河流域2000—2018年生態系統質量變化趨勢及相對恢復潛力,為赤水河流域生態環境保護、綠水青山就是金山銀山理論實踐以及城市經濟發展提供科學參考。

1 數據與研究方法

1.1 研究區概況

赤水河為長江上游一級支流,發源于云南省鎮雄縣,干流全長444.5 km,流域面積為18932.2 km2,涉及云、貴、川3省13個縣(市區)行政單位,并于四川省合江縣匯入長江(圖1)。赤水河流域地處云貴高原和四川盆地接壤地帶,氣候差異較大,上游為暖溫帶高原氣候,氣溫稍低；中下游為四川盆地丘陵區,具有亞熱帶濕潤氣候特點,氣溫較高。赤水河流域地形、地貌以山地和丘陵為主,土壤類型多樣,其特殊的地理環境形成了多樣的植被類型,植被類型從中亞熱帶濕潤性常綠闊葉林向半濕潤闊葉林過度,生物多樣性較為豐富。赤水河還是長江上游唯一一條未建壩的一級支流,為保護長江上游特有魚類及水生生物多樣性提供重要棲息地或產卵場[31]。

圖1 研究區概況和土地利用/土地覆被分布Fig.1 Location of the study area and distribution of ecosystem

1.2 數據來源與處理

本文采用的遙感數據來源于NASA MODIS的2000—2018年MOD09A1、MOD11A2、MOD13Q1和MOD15A2H數據產品(https://search.earthdata.nasa.gov/),分別用于提取SWCI、LST、NDVI和LAI生態因子。首先利用MRT(MODIS Reprojection Tools)軟件進行影像拼接和投影轉換,統一分辨率為500 m；再利用最大值合成法得到月尺度生態參數數據,生長季(5—10月份)取平均后,再通過歸一化進行無量綱處理。2018處土地利用/土地覆被數據(圖1)來源于國家基礎地里信息中心,包括8大類46小類,數據坐標系采用2000國家大地坐標系,柵格格網大小5米,斑塊分類精度優于85%。赤水河流域以林地為主,占61.3%；其次是耕地、建設用地、草地等。

1.3 遙感生態指數分量指標計算

(1)表層水分含量指數(SWCI):水分是植物生長的基本條件,也是生態環境演變發展的一個主要因素。SWCI可以很好地反映植被、水體和土壤濕度狀況,可較好代表生態系統的“濕度”,與生態系統緊密相關[32-33]。MOD09A1數據B6、B7波段與水分反射率變化較為敏感,且有極為相同的大氣散射和輻射值[34],因此可通過B6、B7波段計算SWCI,公式如下:

SWCI=B6-B7/B6+B7

(1)

式中:B6、B7分別為MOD09A1影像波段反射值,B6-B7能夠反映植被和土壤中水含量,并能夠最大程度減少大氣影響；B6+B7作為分母能夠使結果值限定在-1—1之間。

(2)陸地表面溫度(LST):溫度是影響植被生長的重要因子,被廣泛用于評價生態環境變化,能較好地表征生態系統的“熱度”[23]。LST是影響大氣和地面之間能量和水平衡的關鍵參數,與植被的生長與分布、地表水資源循環等密切相關,是影響植被生長的關鍵因子,也是生態系統變化的重要指示因子[35-36]。LST與氣象觀測空氣溫度有密切關系,且一般地表溫度高于氣溫,將MOD11A2影像像元灰度值轉換為常用攝氏度,提取赤水河流域地表溫度分布情況,公式如下:

LST=0.02×DNs-273.15

(2)

式中:DNs為MOD11A2影像像元灰度值。

(3)歸一化植被指數(NDVI)和葉面積指數(LAI):植被是生態系統重要組成部分,對生態系統環境變化較為敏感。NDVI可用于監測植物生產狀況,LAI進一步反映植被生長質量,被廣泛應用于生態系統質量評估中[37]。NDVI是反映植物長勢的重要參數之一,用于表征生態系統質量的“綠度”[11]。其公式如下:

NDVI=(ρNIR-ρred)/(ρNIR+ρred)

(3)

式中:ρNIR、ρred分別代表MOD13Q1影像近紅外波段和紅波段的反射率。

LAI是描述植被冠層幾何結構的一個重要植被特征參數,能夠定量描述植被冠層表面能量交換,是景觀、能量、物質循環的重要參數[38]。對非特殊DN值其公式如下:

LAI=0.1 ×DNA

(4)

式中:DNA為MOD15A2H影像的像元灰度值。

1.4 研究方法

1.4.1遙感生態指數計算

將經歸一化處理后的4個分量指標重新組合成一幅新影像,通過ENVI軟件主成分分析模塊計算RSEI值。該方法最大優點是可根據數據本身確定權重,不僅可以減少原始變量信息重疊,而且可有效減少變量個數[39]。公式如下:

RSEI=RSEI0-RSEI0_min/RSEI0_max-RSEI0_min
RSEI0=1-PC1

(5)

式中:RSEI為歸一化后遙感生態指數,其值越大表示生態系統質量越好;反之,表示生他系統質量越差。RSEI0為第i像元的原始遙感生態指數,RSEI0_max、RSEI0_min分別為原始遙感生態指數的最大值和最小值,PC1為第一主成分載荷值。

1.4.2Sen+Mann-Kendall 趨勢分析

Theil-Sen Median 趨勢分析和Mann-Kendall 檢驗結合,用于植被、氣候等時序變化特征分析,能夠有效減少數據誤差影響,成為判斷時序數據趨勢變化的重要方法[40-41]。Theil-Sen Median公式為:

(6)

式中:i,j為年份,NDVIi、NDVIj為第i,j年NDVI值；當βNDVI>0 時,表示NDVI時序上呈增長趨勢；βNDVI<0,則呈退化趨勢；βNDVI=0,保持不變。

Mann-Kendall 檢驗公式如下:

(7)

其中,

(8)

方差V(S)=n(n-1)(2n+5)/18。當n>10時,Z統計量通過下式計算:

(9)

式中:n是時間序列長度,Sgn是符號函數,Z值采用雙邊趨勢檢驗,在給定顯著性水平α=0.05情況下,Z1-α/2=1.96作為顯著與非顯著的界定標準,當Z>1.96時,趨勢顯著;反之不顯著。

1.4.3 理想參照系選擇

評估某一區域生態系統質量多是評估兩個時間段間生態系統質量變化,缺少與理想狀態下生態系統質量差距比較,即難以量化生態系統的恢復潛力。近幾十年,我國自然保護區、國家公園等的建設和發展,為生態系統保護、確定理想參照系提供了可能。選擇保護區內不同生態系統(如森林、草地、荒漠等)本底值較高區域作為理想參照系,對比分析其他區域與最優狀態下的生產力(即理想值或最優值)之間的差距,以量化其他區域生態系統相對恢復潛力,幫助管理部門樹立明確的改善和保護目標。

2 結果與分析

2.1 生態系統質量描述性統計

依據上述公式,分別得到赤水河流域2000—2018年NDVI、LAI、LST、SWCI近20年均值如圖2所示。赤水河流域NDVI、LAI高值區域主要分布在赤水河下游古藺縣、赤水市、習水縣交界處,土地利用類型主要為林地；低值區域主要分布在懷仁市、古藺縣和習水縣交匯處,這些區域海拔較低,耕地和建設用地分布較多,人為干擾活動較強。LST分布與DEM高度相關,高海拔區域LST值較低,低海拔區域LST值較高。SWCI值呈現西部高、東部低趨勢,與赤水河流域降水分布格局一致。

圖2 2000—2018年NDVI、LAI、LST、SWCI均值空間分布Fig.2 Spatial distribution of mean values of NDVI、LAI、LST、SWCI from 2000 to 2018

2000—2018年赤水河流域SWCI、LST、LAI、NDVI和RSEI的均值和標準差如圖3小提琴圖所示。其中箱體長短代表各指標及RSEI值標準差,反映年際間波動狀況；上下橫線為值范圍10%—90%,中間橫線為平均值。從圖上可以看出,四個生態指數中LST變化差異最大,其次是SWCI、LAI、NDVI。四個生態指數中NDVI平均值最大,為0.76；其次是LAI、LST、SWCI。赤水河流域近20年RSEI平均值為0.613,且標準差較小,表明赤水河流域近20年生態系統質量較好,且變化比較平穩。

圖3 2000—2018年SWCI、LST、LAI、NDVI和RSEI均值和標準差Fig.3 Mean and standard deviation of SWCI、LST、LAI、NDVI and RSEI from 2000 to 2018

通過RSEI與各生態因子相關性分析,以驗證RSEI能否代表各生態因子。各生態因子之間和各生態因子與RSEI之間相關系數如表1所示,Mc為平均相關度。從表中可以看出,4個指標中平均相關度最高的為SWCI和NDVI,說明其對生態系統質量起關鍵作用,其次是LST、LAI。RSEI與4個指標相關系數均值為0.899,均高于單個指標。由此可以得出,RSEI指數不僅能集合各生態因子信息,相比單一生態因子更具有生態系統質量代表性。

表1 RSEI與各指標相關性Table 1 Correlation between RSEI and indicators

2.2 生態系統質量空間分布特征

通過計算獲取2000—2018年赤水河流域逐年生態系統質量平均值空間分布(圖4),圖中顏色由紅色過度到綠色,表示生態系統質量綜合評價值從低值向高值過度。赤水河流域RSEI平均值為0.613,其中RSEI值在0.6—0.8范圍占總面積的56%,0.4—0.6范圍占43.5%,赤水河流域生態系統質量整體較高。根據行政區邊界可知,高值區域主要分布在赤水河流域下游赤水市、合江縣濕潤性常綠闊葉林區,中游金沙縣、懷仁市、古藺縣常綠針葉林、闊葉林區,上游鎮雄縣、威信縣和敘永縣交界處的高山常綠針葉林、落葉闊葉林區,這些地區水熱條件較好,有利于落葉闊葉林、針葉林、草地的生長,生態系統質量較高。低值區域主要分布在上游鎮雄縣、七星關區及大方縣,這些地區處于烏蒙連片特困區,坡耕地較多,同時屬典型喀斯特地貌發育,加之這些地區石漠化嚴重,因此生態系統質量較低;赤水河中段桐梓縣、播州區、懷仁市西北部及習水縣中部,這些地區受土壤含沙量、地形及坡度影響,加之不合理開采行為,水土流失嚴重,生態系統質量亦較低。

圖4 赤水河流域2000—2018年平均RSEI值空間分布Fig.4 Spatial distribution of average RSEI from 2000 to 2018

2.3 生態系統質量變化狀況分析

通過Sen+Mann-Kendall檢驗分析2000—2018年赤水河流域生態系統質量空間變化情況,如表2和圖5。赤水河流域近20年生態系統質量以整體以改善為主,但局部仍有退化現象。其中顯著改善區域面積占總面積的6.12%,輕微改善區域面積占總面積的59.51%,穩定不變區域面積占9.71%,輕微退化區域面積占23.17%,顯著退化區域面積占1.49%。從空間分布看,生態系統質量明顯改善區域主要位于古藺縣；大力實施天然林保護、退耕還林等生態建設工程是古藺縣生態系統質量顯著提升的主要原因。輕微改善區域分布較廣,主要位于大方縣南部、古藺縣南部、播州區、桐梓縣西部、習水縣、赤水市、合江縣和敘永縣,與實行退耕還林、石漠化綜合治理等大規模人工林建設工程將陡坡旱地、草地轉化為林地密切相關；另一方面,生態示范區和自然保護區的建立如貴州習水國家級自然保護區、貴州赤水桫欏國家級自然保護區、燕子巖國家森林公園等很大程度上提高了生態系統質量[42]。保持不變區域零散分布。輕微退化區域主要分布在上游七星關區、鎮雄縣、威信縣,這些地區農業墾殖密度高,且多為坡耕旱地；下游懷仁市北部、合江縣與赤水市交界處,這些地區由于酒業的發展,重視高經濟價值紅糧作物,輕育見效慢林木導致生態系統質量下降。顯著退化區域主要位于赤水市城區及懷仁市中樞街道、鹽津街道、蒼龍街道、三合鎮和茅臺鎮,主要是由于這些區域的城鎮建設和酒工業發展導致草地、耕地面積減少。

圖5 2000—2018年赤水河流域RSEI變化特征圖空間分布 Fig.5 Spatial distribution of RSEI based on trend and Hurst index

表2 RSEI變化趨勢統計Table 2 Statistics of RSEI Trend

2.4 參照系-現狀-變化量分析

圖6 2000—2018年赤水河流域林地RSEI值與理想參照系差值空間分布Fig.6 The difference RSEI of woodland in Chisui river basin during 2000—2018 compared with the ideal value

建立基于理想參照系的生態系統質量評估指標體系,其關鍵是量化評估指標在環境適宜、未受或較少受到人為干擾即理想狀態下的閾值。植被作為生態系統的重要組成部分,具有涵養水源、氣候調節、提供生境等多種作用,是陸地生態系統存在的基礎[43]。赤水河流域林地占總面積的61.3%,主要植被類型為亞熱帶常綠闊葉林、亞熱帶針葉林及亞熱帶、熱帶落葉闊葉灌叢；根據謝高地等[44]中國生態區劃方案,赤水河流域大部分位于黔中中亞熱帶常綠闊葉林生態區。貴州習水國家自然保護區建立于1992年,面積48666 hm2;1997年晉升為國家級自然保護區,主要保護對象為中亞熱帶常綠闊葉林森林生態系統。故選取貴州習水國家自然保護區濕潤性常綠闊葉林區本底值較高區域為參照系,評估其他區域林地與該區域林地RSEI差值,量化其生態系統質量相對恢復潛力,即根據相對恢復潛力數值大小和資源條件劃分成不同管理措施等級,進而調整具體管理策略,合理分配資源,提高管理成效。保護區內林地近20年RSEI理想均值為0.69,其他區域林地與之差距如圖6所示(負值表示高于保護區內林地RSEI,正值表示低于保護區內林地RSEI)。從圖中可以看出,赤水河流域林地RSEI值與理想參照系RESI值差距在10%以上面積占林地總面積的49.82%,主要分布在大方縣、桐梓縣、播州區及懷仁市、習水縣部分地區。

3 討論

遙感生態指數(RSEI)與EI相比,不僅在生態意義上具有較強的可比性,還具有較高的可視化及預測能力。本研究基于RS技術構建了RSEI,并與SWCI、LST、LAI和NDVI 4個生態因子進行相關性分析,發現RSEI不僅能集合各生態因子信息,相比單一生態因子更具有生態系統質量代表性。4個生態因子中,NDVI和SWCI對生態質量貢獻較大,RSEI高值主要分布在濕度高、植被覆蓋條件較好區域[12,45-46]。單薇等[6]在評估常德市鼎城區生態環境質量時亦發現濕度和綠色指標對生態環境質量的改善至關重要。

赤水河流域生態系統質量改善面積遠大于退化面積,這一定程度上反映了近20年生態恢復工程取得了一定成效。保護和發展赤水河流域生態經濟是發揮區域生態優勢和綠色發展的需要,自1990年實施退耕還林、石漠化綜合治理等大規模人工林建設工程以來,大方縣南部、古藺縣、播州區、桐梓縣西部、習水縣、赤水市、合江縣和敘永縣生態系統質量不斷改善,特別是古藺縣和大方縣南部改善明顯,這與許幼霞等[42]、黃林峰等[47]研究赤水河流域植被生態質量時空變化相似。但仍存在局部退化現象,如赤水河上游鎮雄縣、威信縣及七星關區農業墾殖密度高,且多為坡耕旱地[48],生態系統質量下降；仁懷市、桐梓縣、習水縣和赤水市局部,由于城鎮建設和酒業發展亦出現生態系統質量退化現象[49],特別是懷仁市中樞街道、鹽津街道、蒼龍街道、三合鎮、茅臺鎮[50]和赤水市、習水縣城區出現顯著退化現象,這從側面反映了人類活動對區域生態環境質量的重要影響[51]。程志峰等[52]研究城市群RESI變化時,證實了城市的擴張確實會帶來生態的惡化,NDVI和WET的增加會提高RESI,有利于生態系統質量的改善,與本文研究結果相符。

評估某一區域生態系統質量多是評估兩個時間段間生態系統質量變化,缺少與理想狀態下生態系統質量差距比較,即難以量化生態系統的恢復潛力。本文選取貴州習水國家自然保護區濕潤性常綠闊葉林區為參照系,量化其他區域林地與該區域林地RSEI差值,有49.82%林地面積RSEI差值在10%以上,主要分布在桐梓縣、播州區、大方縣及習水縣、懷仁市部分地區,主要是受高原地形、土壤含沙量和人類活動影響[53],這些特性使這些地區植被覆蓋度和植被生長相對較差,與理想參照系RSEI值有一定差距,應加強林地保護、控制工業活動對生態保護的壓力。

RSEI完全基于遙感信息技術,有利于快速、定量監測評估區域的生態環境質量變化[12],但目前采用遙感技術監測生態系統質量還沒有統一、完整的評價指標體系[4,16,18,54-55],如何選擇合適的生態系統因子并進行多因子耦合分析仍需要進一步創新研究。朱青等[15]發現鄱陽湖區RSEI和地形因子中海拔和高程有較強的正相關性,但在黃土溝壑區富縣[56-57]、農牧交錯區鹽池縣[58]得出不同結論；同時溫度過低或過高時均會反作用于生態系統[3]；如何定量評估海拔和溫度對生態系統質量的影響還需進一步探討。本文僅采用遙感技術評估區域生態系統質量,在快速、定量評估某一區域生態系統質量具有一定優勢,但忽略了人類活動及生物多樣性對生態系統質量的影響,因此所得結果可能與實際情況存在一定偏差,今后將進一步考慮人類活動、地形等生態指數對評估模型進行改進。

4 結論

本文從能夠反映生態系統質量的植被綠度、植被質量、濕度和熱度4個因子入手,構建生態系統質量評價模型,對赤水河流域2000—2018年生態系統質量進行時空變化分析。發現RSEI不僅能集合各生態因子信息,相比單一生態因子更具有生態系統質量代表性,可用于快速定量評估赤水河流域生態系統質量,且綠度和濕度對赤水河流域生態系統質量起關鍵作用。空間上,赤水河流域RSEI平均值為0.613,高值區域主要分布在下游濕潤常綠闊葉林區,中游河谷中山闊葉林林、常綠針葉林區,上游鎮雄縣、威信縣和敘永縣交界處的高山常綠針葉林、落葉闊葉林區。赤水河流域近20年生態系統質量整體以改善為主,但局部仍出現退化現象,其中生態系統質量顯著改善區域面積占總面積的6.12%,輕微改善區域面積占總面積的59.51%,這與該區域實施退耕還林、石漠化綜合治理等大規模人工林建設工程有關。輕微退化區域面積占23.17%,顯著退化區域面積占1.49%,與城鎮化建設和酒工業發展導致草地、耕地面積減少有關。選擇習水國家級自然保護區中亞熱帶常綠闊葉林作為參照系,量化其他區域林地與該區域最優狀態下RSEI的差距,發現有49.82%林地面積RSEI差值在10%以上,主要分布在桐梓縣、播州區、大方縣及習水縣、懷仁市部分地區。